导读:本文包含了过完备描述论文开题报告文献综述及选题提纲参考文献，主要关键词:稀疏表示,过完备字典,字典更新,图像去噪
过完备描述论文文献综述
郭俊锋,李育亮,王茁[1]（2019）在《一种基于过完备冗余字典的图像去噪方法》一文中研究指出针对基于字典学习的图像去噪方法中字典学习速度慢、反应时间长的不足,在稀疏表示字典学习的基础上,提出了一种改进的字典学习算法。字典学习过程分为稀疏编码和字典更新两个阶段,在字典更新阶段采用一种求近似解的方法替代K-SVD(K奇异值分解)算法中消耗时间最多的SVD分解,并舍弃K-SVD和近似K-SVD算法中字典更新阶段重复更新稀疏系数矩阵的过程。实验结果表明,与K-SVD和近似K-SVD字典学习算法相比,在不降低图像峰值信噪比和结构相似度的前提下,改进的字典学习算法减少了字典学习时间,提高了图像去噪的效率。(本文来源于《机械设计与制造工程》期刊2019年02期）
石斌,郭俊锋[2]（2018）在《基于过完备字典稀疏表示振动信号压缩感知方法》一文中研究指出针对传统基于奈奎斯特采样定理的采集系统采样振动信号时会产生大量的数据,给存储、传输和处理带来困难的问题,提出了一种基于过完备字典稀疏表示振动信号压缩感知方法。分析了经典字典学习算法,如MOD算法、K-SVD算法和双稀疏字典学习算法,重点研究了经典字典学习算法训练振动信号构造过完备字典对振动信号的压缩重构精度的影响。仿真测试结果表明,当振动信号压缩率在60%~90%时,基于双稀疏字典算法构造的过完备字典压缩重构相对误差比基于MOD算法和K-SVD算法都小。(本文来源于《机械设计与制造工程》期刊2018年05期）
段宏伟[3]（2018）在《基于过完备字典的视频压缩采集算法》一文中研究指出针对视频图像具有可压缩性和稀疏性的特点,提出一种基于压缩感知的视频图像压缩采集方法.首先,将视频分为不重迭的时间空间块,以有效利用视频不同区域的不同纹理变化.同时,训练了一个由严格的稀疏法则约束的视频块过完备字典用于视频的重构.在这个框架下,使用K-means分类和K-SVD字典训练理论对随机选择的视频块进行训练.最后,对所提方案的有效性和自适应性进行了仿真测试,实验结果表明,所提方法即使在采样数目低至5%的情况下,也可获得比2D离散余弦变换、3D离散余弦变换、帧间差异、分块等传统压缩感知算法更优的峰值信噪比,较好地重构了原始视频图像.(本文来源于《中北大学学报(自然科学版)》期刊2018年02期）
吴莹,汪军,周建[4]（2018）在《基于离散余弦变换过完备字典的机织物纹理稀疏表征》一文中研究指出为进一步研究基于字典学习的机织物纹理表征算法的稳定性与可比性,提出用离散余弦变换(DCT)过完备字典稀疏表征算法来重构织物纹理图像。重点探讨了稀疏度、子窗口大小、字典个数对纹理表征效果的影响,利用均方根误差和峰值信噪比指标对机织物原图与重构图像之间的近似程度进行量化,并确定最终优选的稀疏度为10,子窗口大小为8像素×8像素,字典个数为256。实验结果表明,所提方法不仅方便快捷,还可得到较好的表征效果。此外,其DCT过完备字典峰值信噪比值仅次于基于训练的自适应学习字典,且优于主成分分析和非稀疏表征算法约4 d B。(本文来源于《纺织学报》期刊2018年01期）
王晓雨[5]（2017）在《基于过完备字典的语音压缩感知投影矩阵和消噪技术研究》一文中研究指出近十年来,压缩感知理论(compressed sensing)成为信号处理方向的热门研究方向,CS理论解决了传统采样机制中采样率高的难题,可以大大减少资源的浪费,仅需少量采样值即可在接收端精确或近似地重构原始信号。语音信号具有稀疏性,而如果通过引入压缩感知技术,将其和语音信号处理结合,这将会给语音信号处理领域带来新的发展。本文的研究就是基于这个前提,针对在实际的应用中语音压缩感知系统必然含有噪声,主要考虑CS系统中稀疏表示和观测矩阵的部分来研究消噪技术,以提升系统鲁棒性。本学位论文的研究内容和创新点如下:首先,详细阐述了关于压缩感知理论的研究背景知识,概括了压缩感知理论发展的数十年来各种关键技术的研究现状,总结性地介绍了语音压缩感知技术的应用与发展,本团队在前期的工作成果等。其次,从压缩感知理论涉及的稀疏基、观测矩阵和重构算法叁个核心技术方面来详细地介绍。然后,重点对语音信号的特征进行研究,经过一系列的仿真实验,证实了将CS技术应用于语音信号处理中是可行的。最后,考察了含噪语音在压缩感知系统中的性能,以及噪声对CS系统各部分的影响。正是建立在这些研究的前提之上,本论文提出了一种基于FIST算法的改进K-SVD字典学习方法。通过将快速迭代收缩阈值算法引入字典训练过程,提出了基于快速迭代收缩阈值算法的K-SVD字典学习算法。该算法首先用快速迭代收缩阈值算法来完成K-SVD字典学习算法的稀疏编码阶段,更新字典则使用K-SVD的经典更新方法,稀疏编码和字典更新两步迭代学习得到新的字典。将其训练出的字典对语音信号进行稀疏化,再观测重构,并将此算法应用于语音信号的压缩感知过程。结果表明本文算法比经典的K-SVD算法字典训练速度快、RMSE低。进一步考察算法的语音去噪能力,在白噪声环境下并考察不同字典参数时的字典性能,实验结果表明本文算法比经典的K-SVD算法获得更高的输出信噪比,具有良好的去噪性能。最后,本文提出了一种设计最佳投影和获得学习字典的联合设计方法,以此来提升压缩感知应用中的重构和消噪性能。基于对一个给定的字典存在封闭的表达形式的前提,对字典SVD分解,通过数学推导得到投影矩阵的表达式,此时投影矩阵和字典相乘是一个Parseval紧框架。设计得到的最佳投影矩阵可以通过字典得到。仿真结果显示,与其他方法相比,本文提出的设计方法应用于语音信号有较好的消噪性能。(本文来源于《南京邮电大学》期刊2017-10-26）
刘翠响,马玉双,王宝珠,郭志涛[6]（2018）在《过完备字典稀疏表示下的RAMP重构算法》一文中研究指出压缩感知理论将采样理论与压缩理论合二为一,成为最近几年来的研究热点。主要依据图像的稀疏性或是可压缩性的特点,使用K-均值奇异值分解(K-Means Singular Value Decomposition,K-SVD)算法训练获得过完备字典,使用高斯随机矩阵作为测量矩阵,最后通过正则化自适应匹配追踪算法作为压缩感知重构算法,提出了K-SVD过完备字典的正则化自适应匹配追踪算法(KSVD Regularized Adaptive Matching Pursuit,KSVD-RAMP)。通过对重构图像的峰值信噪比、重构时间、相对误差等客观评价指标以及主观视觉上对所提算法以及传统的贪婪算法做对比。实验结果表明,该算法比基于离散小波稀疏表示的RAMP算法的峰值信噪比提升了2~6 d B。因此,该算法重构出的图像不管在视觉效果上,还是在客观评价指标上都有一定的改善。(本文来源于《计算机工程与应用》期刊2018年14期）
丁连根[7]（2017）在《基于过完备字典的图像分块压缩感知技术研究》一文中研究指出随着信息化时代的不断深入,人们对数字信息的需求量也随之增加,而传统的香农奈奎斯特采样定理(Nyquist-Shannon sampling theorem)指出信号的采样频率至少为信号带宽的二倍才能保证无失真恢复出原始信号,在面对如今越来越普遍的高带宽信号时,对传输和存储产生了非常大的压力。压缩感知(Compressed Sensing,CS)技术使用空间变换的方式将信号的采样和压缩过程相结合,对信号的采样转变为对信息的采样,信号采样不再依赖于信号的带宽,为低带宽的采样提供了新的途径,这大大降低了硬件设备的采样传输和存储的压力。压缩感知理论主要由稀疏表示,观测投影矩阵的非相干性测量和相应的非线性重构算法叁部分构成。稀疏表示是压缩理论的基础和前提,而稀疏字典的构造又是稀疏表示中的重点,字典的选取好坏直接决定了获取信号稀疏性的强弱和稀疏表示过程的效率。测量矩阵的设计和优化是压缩感知关键的一步,起到承前启后的作用,观测值直接保留信号的有效信息以便重构算法恢复出原始信号。图像分块压缩感知(Block Compressed Sensing,BCS)是针对图像所含信息量大的特点,通过分块得到小尺寸的图像块,对图像块分别进行压缩感知处理,由于小尺寸图像块所包含的信息量小于原始图像,这大大降低了压缩采样所需的存储空间和时间。本文对过完备学习字典的训练方法以及测量矩阵相关性的优化进行一定的研究,其主要研究内容包括以下几个方面:1.在图像分块之后,由于不同的图像块之间具有一定相似的属性,如果将具有相似属性的图像块归为一类,这一类图像块使用相同的字典进行训练,这将有效的提升同一类图像块对同一种字典的自适应性,从而提高字典表示图像的精度和缩短计算时间。本文通过灰色关联度和方差理论,提出基于灰色关联度与方差联合图像块的字典训练,该方法分别对图像块的外部特征和内部特征相结合对图像块进行分类,对同一类的图像块使用相同的K-SVD字典进行训练,不同类的图像块分别设定不同的字典原子个数进行训练,使得分类之后训练的字典对相同类别的图像块具有更好的适应性。仿真结果表明,通过此方法得到的字典训练时间得到了明显降低,字典表示图像精度得到了一定的提高。2.测量矩阵的非线性相关性直接影响重构所需最小测量值的大小和重构算法的执行效率。基于相关性对随机测量矩阵进行优化,有助于改善观测矩阵的性能,使得其在压缩感知过程中得到更好的效果。本文通过条件数(Condition Number)、奇异值(Singular Value)与相关性(Correlation)之间的关系提出一种基于非相干性的测量矩阵优化设计方法,在保持观测矩阵总体奇异值总和不变的情况下,通过制定自适应的均值分配公式,对观测矩阵的相关性进行了优化,仿真结果表明在观测重构时间不变的情况下,提高了图像的重构精度。3.通过基于灰色关联度与方差联合图像块的字典训练和基于非相干性的测量矩阵优化设计方法相结合,测量矩阵的非相关性与稀疏字典的自适应性均得到了一定的提升,通过正交匹配追踪算法(Orthogonal Mathing Pursuit,OMP)作为重构算法,分别来验证几种方法对压缩感知重构PSNR值的影响。仿真结果表明,与原算法和单独使用一类优化算法相比较,此方法得到的重构PSNR值得到了提升。(本文来源于《吉林大学》期刊2017-06-01）
周飞飞[8]（2016）在《基于过完备字典表示的稀疏分解算法研究》一文中研究指出稀疏表示是大数据处理和分析的一个重要研究课题,构建过完备字典实现稀疏分解是稀疏表示理论研究的一个重要分支,能够以较少的非零元素有效提取信息最本质特性,大大减少了数据的处理量。本文主要研究基于过完备字典表示的稀疏分解算法,创新成果如下:(1)提出了模糊裁剪阈值稀疏度自适应匹配追踪(Fuzzy Pruning Threshold SAMP,FPTSAMP)算法。首先在SAMP算法中加入裁剪阈值和停止阈值,获得裁剪阈值稀疏度自适应匹配追踪(Clipping Threshold SAMP,CTSAMP)算法,然后在CTSAMP算法中增加模糊预处理机制,得到FPTSAMP算法。解决了SAMP算法迭代时原子候选集成倍递增,浪费存储空间,初选侯选原子集相关性弱的问题,并理论上证明了算法的可行性。仿真实验表明,新算法节省原子选取空间,缩短迭代时间,而且对图像的稀疏表示性能明显提高。(2)提出了基于QR分解随机双侧投影(QR-K Random Bilateral Projection,QR-KRBP)字典学习算法。该算法引入QR分解和随机双侧投影策略实现强制模式转换,同时采用良好的低秩近似方法得到误差矩阵低秩逼近。弥补了K-SVD算法奇异值分解步骤仅使用最大奇异值及对应的奇异向量,舍弃其余的缺陷,减少了计算复杂度,并理论上证明了算法的有效性。仿真实验表明,新算法不仅运算时间下降,而且对视频帧的稀疏表示有更高性能。(3)提出了广义稀疏贝叶斯学习KSVD(Generalized Sparse Bayesian Learning-KSVD,GSBL-KSVD)字典学习算法。先使用最大期望算法最大化参数的似然函数,而后通过损失函数确定参数选取,最终引进矩阵的广义逆进行计算。消除了信号原子被稀疏贝叶斯学习KSVD(Sparse Bayesian Learning-KSVD,SBL-KSVD)字典学习算法稀疏表示后不够稀疏和不收敛的影响,降低了算法复杂度,并理论上证明了算法的可行性。仿真实验表明,新算法得到的稀疏学习模型性能优良,相比于其他优化算法的稀疏能力更高效。(本文来源于《南京邮电大学》期刊2016-11-18）
吴建宁,徐海东,王珏[9]（2016）在《基于过完备字典稀疏表示的多通道脑电信号压缩感知联合重构》一文中研究指出该文基于多通道脑电信号时空特性构建非正交变换过完备字典,准确稀疏表示蕴含时空相关性信息的多通道脑电信号,提高基于时空稀疏贝叶斯学习模型的多通道脑电信号压缩感知联合重构算法性能。实验选用eegmmidb脑电数据库的多通道脑电信号验证所提算法有效性。结果表明,基于过完备字典稀疏表示的多通道脑电信号,能够为多通道脑电信号压缩感知重构算法提供更多的时空相关性信息,比传统多通道脑电信号压缩感知重构算法所得的信噪比值提高近12 d B,重构时间减少0.75 s,显着提高多通道脑电信号联合重构性能。(本文来源于《电子与信息学报》期刊2016年07期）
吴雄洲,李跃华,张岗[10]（2015）在《毫米波图像在过完备字典上的稀疏重构去噪》一文中研究指出基于可见度函数的快速反演重构目标毫米波图像的算法,在可见度函数出现误差时会在反演出的毫米波图像中引入较强的噪声,为了去除噪声,本文研究了一种在过完备字典上对毫米波图像进行稀疏重构的去噪方法,即通过K-SVD算法训练一个过完备字典,然后在该字典上运用稀疏理论来重构目标的毫米波图像,达到去噪的目的。由matlab软件得到的仿真结果显示出该方法对可见度函数误差引起的反演噪声有良好的去除效果。(本文来源于《微波学报》期刊2015年S2期）
过完备描述论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统基于奈奎斯特采样定理的采集系统采样振动信号时会产生大量的数据,给存储、传输和处理带来困难的问题,提出了一种基于过完备字典稀疏表示振动信号压缩感知方法。分析了经典字典学习算法,如MOD算法、K-SVD算法和双稀疏字典学习算法,重点研究了经典字典学习算法训练振动信号构造过完备字典对振动信号的压缩重构精度的影响。仿真测试结果表明,当振动信号压缩率在60%~90%时,基于双稀疏字典算法构造的过完备字典压缩重构相对误差比基于MOD算法和K-SVD算法都小。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
过完备描述论文参考文献
[1].郭俊锋,李育亮,王茁.一种基于过完备冗余字典的图像去噪方法[J].机械设计与制造工程.2019
[2].石斌,郭俊锋.基于过完备字典稀疏表示振动信号压缩感知方法[J].机械设计与制造工程.2018
[3].段宏伟.基于过完备字典的视频压缩采集算法[J].中北大学学报(自然科学版).2018
[4].吴莹,汪军,周建.基于离散余弦变换过完备字典的机织物纹理稀疏表征[J].纺织学报.2018
[5].王晓雨.基于过完备字典的语音压缩感知投影矩阵和消噪技术研究[D].南京邮电大学.2017
[6].刘翠响,马玉双,王宝珠,郭志涛.过完备字典稀疏表示下的RAMP重构算法[J].计算机工程与应用.2018
[7].丁连根.基于过完备字典的图像分块压缩感知技术研究[D].吉林大学.2017
[8].周飞飞.基于过完备字典表示的稀疏分解算法研究[D].南京邮电大学.2016
[9].吴建宁,徐海东,王珏.基于过完备字典稀疏表示的多通道脑电信号压缩感知联合重构[J].电子与信息学报.2016
[10].吴雄洲,李跃华,张岗.毫米波图像在过完备字典上的稀疏重构去噪[J].微波学报.2015